河北
編輯｜張倩、Panda
Anthropic 的 Opus 4.6 剛發(fā)布，智商確實(shí)高到讓人頭皮發(fā)麻，但看著那個(gè)價(jià)格表，我的錢(qián)包也開(kāi)始發(fā)麻了。
這就很尷尬了。Opus 4.6 的出現(xiàn)，直接在開(kāi)發(fā)者圈子里制造了一場(chǎng)「智力焦慮」：模型好用是真好用，貴也是真貴。原版價(jià)格紋絲不動(dòng)就算了，那個(gè)號(hào)稱(chēng)「極速版」的家伙，每百萬(wàn)輸出 Token 的成本居然從 25 美元直接飆到了 150 美元。
整整 6 倍的漲幅！看著 Token 計(jì)費(fèi)表像風(fēng)一樣自由地狂奔，本來(lái)想用 AI 釋放生產(chǎn)力的我，現(xiàn)在按回車(chē)鍵之前都得先在心里過(guò)一遍賬單。這哪里是請(qǐng)了個(gè)助手，簡(jiǎn)直是供了個(gè)「吞金獸」。
這種「生產(chǎn)力稅」的存在，逼得打工人不得不進(jìn)入一種尷尬的模式：一邊渴望頂級(jí)智力帶來(lái)的效率，一邊在按回車(chē)鍵時(shí)反復(fù)權(quán)衡賬單。難道高智力和高性?xún)r(jià)比，真的像魚(yú)和熊掌一樣不可兼得？難道我們這些普通打工人，就不配擁有「智力自由」？
就在大家捂著錢(qián)包嘆氣的時(shí)候，MiniMax 反手甩出了一個(gè)王炸：MiniMax M2.5
這個(gè)模型相當(dāng)能打，無(wú)論是 coding 還是 agent 能力，都能與 Claude Opus 4.6 掰掰手腕，甚至在某些維度上掰贏(yíng)了。
數(shù)據(jù)不會(huì)說(shuō)謊：M2.5 在多語(yǔ)言任務(wù) Multi-SWE-Bench 上拿下了行業(yè)第一；而在 SWE-Bench Verified 評(píng)測(cè)集上，基于 Droid 和 OpenCode 的實(shí)戰(zhàn)測(cè)試中，它的通過(guò)率（79.7% / 76.1%）更是雙雙反超了 Opus 4.6。
在 BrowseComp、Wide Search 等搜索和工具調(diào)用榜單的評(píng)測(cè)中，M2.5 也達(dá)到了行業(yè)頂尖的水平。
更具沖擊力的是它在 MiniMax 內(nèi)部的真實(shí)表現(xiàn)：在 MiniMax 內(nèi)部業(yè)務(wù)場(chǎng)景中，整體任務(wù)的 30% 由 M2.5 自主完成；而在編程場(chǎng)景中，M2.5 生成的代碼已占新提交代碼的 80%。
它不僅 Coding 和 Agent 能力硬剛 Claude Opus 4.6 不落下風(fēng)，在專(zhuān)業(yè)的辦公領(lǐng)域更是「偷偷補(bǔ)過(guò)課」。為了讓模型真正懂行，MiniMax 拉來(lái)了金融、法律、社會(huì)科學(xué)等領(lǐng)域的資深從業(yè)者當(dāng)「教官」，把行業(yè)隱性知識(shí)灌進(jìn)模型。
在內(nèi)部嚴(yán)苛的 Cowork Agent 評(píng)測(cè)（GDPval-MM） 中，M2.5 在 Word 排版、Excel 金融建模等高階場(chǎng)景下，對(duì)主流模型拿下了 59.0% 的平均勝率。這意味著它交付的不再是簡(jiǎn)單的草稿，而是具備專(zhuān)業(yè)水準(zhǔn)的「半成品」。
但最離譜的是，這樣一個(gè)全能選手，居然參數(shù)量只有 10B，是第一梯隊(duì)中參數(shù)規(guī)模最小的旗艦?zāi)Ｐ?，不需要太昂貴的設(shè)備就能私有化部署。
好家伙，這哪是輔助駕駛啊，這分明是搶方向盤(pán)來(lái)了！
MiniMax M2.5 表現(xiàn)卓越，也為這家剛上市一個(gè)多月的公司的股價(jià)帶來(lái)了一波強(qiáng)勁上漲：
1 美元時(shí)薪的頂級(jí)打工人
這么小的體積，再加上「思考」鏈路的深度優(yōu)化，M2.5 的吞吐量可以達(dá)到 100 TPS，推理速度可以達(dá)到 Opus 4.6 的 2 倍。在 SWE-Bench Verified 測(cè)試中，M2.5 的端到端任務(wù)運(yùn)行耗時(shí)從平均 31.3 分鐘減少到了 22.8 分鐘，這一速度與 Claude Opus 4.6 基本持平。
在需要即時(shí)反饋的場(chǎng)景里，這種「跟手」的感覺(jué)簡(jiǎn)直太爽了。更爽的是，你完全不需要有「每按一次回車(chē)就少喝一杯奶茶」的心理負(fù)擔(dān)。來(lái)看看這個(gè)顛覆性的定價(jià)：
在每秒輸出 100 個(gè) token 的情況下，連續(xù)工作一小時(shí)只需要 1 美元，而在每秒輸出 50 個(gè) token 的情況下，只需要 0.3 美元。
1 美元就能雇傭一個(gè)頂級(jí)專(zhuān)家給你干一小時(shí)苦力！換算一下，1 萬(wàn)美金可以讓 4 個(gè) Agent 連續(xù)工作一年
這就很有意思了。以前我們不敢跑復(fù)雜 Agent，是因?yàn)榕屡苤苤推飘a(chǎn)了；現(xiàn)在有了 M2.5，我們終于實(shí)現(xiàn)了 Agent 自由；讓 AI 24 小時(shí)持續(xù)上工，也不再是有余糧的地主家才能有的奢侈。
目前，M2.5 的 Vibe Coding 支持 PC 端、App 端、RN/Flutter 跨端甚至帶數(shù)據(jù)庫(kù)的前后端全棧開(kāi)發(fā)，用起來(lái)非常方便，普通打工人可以隨時(shí)上手。
為了驗(yàn)證這個(gè)「10B 戰(zhàn)神」是不是真的能在性能比肩旗艦的同時(shí)，把生產(chǎn)力成本打下來(lái)，我們準(zhǔn)備了幾個(gè)真實(shí)的使用 Case。下面直接進(jìn)入實(shí)測(cè)。
一手實(shí)測(cè)
MiniMax M2.5 真能成為打工人的得力助手嗎？
作為苦逼的媒體人，我們最怕的就是在那堆長(zhǎng)達(dá)幾小時(shí)的圓桌論壇速記里「淘金」。大佬們聊嗨了往往也是車(chē)轱轆話(huà)來(lái)回說(shuō)，我們要想提煉點(diǎn)干貨，眼睛都得看瞎。
這種臟活累活，我是不敢交給 Opus 的，太貴。但現(xiàn)在既然 M2.5 這么便宜，那就不客氣了。
我們決定搞個(gè)破壞性測(cè)試：直接把一堆巨大的 HTML 格式的速記文件「喂」給它，讓它不僅要提煉觀(guān)點(diǎn)，還要分析趨勢(shì)、找分歧，甚至還要做橫向?qū)Ρ取?/p>
你是一個(gè)專(zhuān)業(yè)的行業(yè)圓桌論壇速讀分析師。我會(huì)逐個(gè)上傳論壇速記 / 紀(jì)要文件，你的任務(wù)是：1）提取核心觀(guān)點(diǎn)，用 bullet points 列出每位發(fā)言人的關(guān)鍵論斷和論據(jù)；2）識(shí)別趨勢(shì)信號(hào)（正在形成共識(shí)的方向）和分歧點(diǎn)（存在爭(zhēng)議的立場(chǎng)或預(yù)測(cè)）；3）標(biāo)注任何提及的具體數(shù)據(jù)、產(chǎn)品名或時(shí)間節(jié)點(diǎn)。每處理完一篇，輸出一份結(jié)構(gòu)化摘要。待我告知 "全部結(jié)束" 后，綜合所有文件，輸出一份總覽：橫向?qū)Ρ雀鲌?chǎng)論壇的重復(fù)主題與獨(dú)特視角，提煉出 3-5 條跨論壇的強(qiáng)趨勢(shì)，以及 2-3 個(gè)值得持續(xù)觀(guān)察的核心分歧。保持簡(jiǎn)潔，避免泛化總結(jié)，優(yōu)先引用發(fā)言人原話(huà)或具體案例。
MiniMax M2.5 接到任務(wù)后，絲毫沒(méi)有「消化不良」。面對(duì)超大文件，它甚至自作主張地啟動(dòng)了多個(gè) Agent 并行開(kāi)工（頗有一種「兄弟們一起上」的既視感）：
15 分鐘后，幾十萬(wàn) Token 跑完，一份高質(zhì)量報(bào)告出爐：
搞定了閱讀，再來(lái)試試寫(xiě)代碼。
作為小編，我們每天都要跟排版做斗爭(zhēng)。雖然我們的排版規(guī)則不復(fù)雜（正文 15px、特定顏色加粗、版權(quán)信息居中……），但每次手動(dòng)調(diào)也很煩。
既然官方宣稱(chēng) M2.5 具備「架構(gòu)師思維」，能原生 Spec 行為。也就是說(shuō)，不同于普通模型上來(lái)就盲目堆代碼，M2.5 在動(dòng)手前會(huì)先像資深架構(gòu)師一樣做規(guī)劃，主動(dòng)拆解功能、結(jié)構(gòu)和 UI。無(wú)論是 Rust、C++ 還是 Python，從 0-1 的系統(tǒng)設(shè)計(jì)到最后的 Code Review，它都能像老手一樣 Hold 住全場(chǎng)。那我們就讓它手搓一個(gè)「微信公眾號(hào) Markdown 編輯器」。
需求很簡(jiǎn)單：復(fù)制進(jìn)來(lái) →自動(dòng)格式化 → 支持微調(diào) → 一鍵復(fù)制帶樣式。
第一步，為了防止它「聽(tīng)不懂人話(huà)」，我們先讓它把我的需求翻譯成更專(zhuān)業(yè)的提示詞。
可以看到，MiniMax M2.5 大體上正確地理解了我們的需求，但在版權(quán)信息處出現(xiàn)了一點(diǎn)幻覺(jué)，輕松修改后，我們只需一句提示詞就能實(shí)現(xiàn)它：「讀取 微信公眾號(hào) Markdown 編輯器開(kāi)發(fā)提示詞.md 文件并實(shí)現(xiàn)它」。
生成時(shí)長(zhǎng) 2 分半，接杯水的功夫，M2.5 輕輕松松就實(shí)現(xiàn)了這個(gè)實(shí)用小工具。找篇文章試試效果：
仔細(xì)檢查了一下，我們給出的需求都得到了滿(mǎn)足。
作為一家專(zhuān)業(yè)的 AI 媒體，日常收集 AI 社區(qū)名人觀(guān)點(diǎn)的素材也是工作的一部分，但問(wèn)題是有時(shí)候只顧著收集，并沒(méi)有真正將這些素材用起來(lái)，它們都沉睡在我們的資料庫(kù)中。借助 MiniMax M2.5 + Claude Code，我們可以輕松地挖掘我們的知識(shí)倉(cāng)庫(kù)，真正利用起塵封的知識(shí)。
首先，打開(kāi)我們的選題庫(kù)，發(fā)現(xiàn)早期的文件和最近的文件命名格式不統(tǒng)一，而 M2.5 可以輕松解決這個(gè)問(wèn)題，就一句話(huà)的事兒：
接下來(lái)，M2.5 還可以為我們將這些 docx 文檔轉(zhuǎn)換成兼容 Obsidian 的 Markdown 格式。這里我們可以引入 Obsidian 創(chuàng)始人 Steph Ango 親自開(kāi)源的 obsidian-skills，給 M2.5 一個(gè)參考手冊(cè)。我們的提示詞也很簡(jiǎn)單：
基于 Skills，將文件夾中的所有文件都轉(zhuǎn)換成符合 Obsidian 規(guī)范的 Markdown 文件。
接下來(lái)我們可以將轉(zhuǎn)換好的文件放入一個(gè) Obsidian 倉(cāng)庫(kù)來(lái)進(jìn)行管理，而 MiniMax M2.5 也可以跟隨我們一起。比如這里，我們可以讓 M2.5 提取選題中所有與 Andrej Karpathy 和吳恩達(dá)相關(guān)的選題：
可以看到，M2.5 找到了 5 個(gè)與 Andrej Karpathy 相關(guān)的選題，找到了 14 個(gè)與吳恩達(dá)相關(guān)的選題，并對(duì)選題進(jìn)行了總結(jié)同時(shí)還標(biāo)記了出處，而得益于 M2.5 10B 的輕量級(jí)參數(shù)規(guī)模，整個(gè)過(guò)程耗時(shí)不到 1 分鐘。
最后，我們還讓 M2.5 基于我們的選題文檔總結(jié)了近幾個(gè)月 AI 領(lǐng)域的發(fā)展趨勢(shì)，大家可以看看總結(jié)得是否正確：
M2.5 背后
108 天極速進(jìn)化的秘密
在前面的測(cè)評(píng)中，M2.5 已經(jīng)表現(xiàn)出明顯不同于普通模型的智能體能力。但比單次測(cè)評(píng)成績(jī)更令人細(xì)思極恐的，是 MiniMax 展現(xiàn)出的「進(jìn)化速度」。
在過(guò)去短短 108 天里，MiniMax 陸續(xù)更新了 M2、M2.1 和 M2.5 三個(gè)版本！
這讓 M2 系列模型在編程領(lǐng)域最具代表性的 SWE-Bench Verified 榜單上，相比 Claude、GPT 和 Gemini 等頂級(jí)模型系列，保持了行業(yè)最快的進(jìn)步速度 —— 這從上圖折線(xiàn)的斜率也能看出。
這種超越預(yù)期的迭代效率不是憑空出現(xiàn)的，也不是單純靠堆算力堆出來(lái)的。要理解它為什么能跑得這么快，就得看一眼它背后的訓(xùn)練體系：原生 Agent RL 框架 Forge
智能體訓(xùn)練的第一道坎，在于「語(yǔ)言模型」和「任務(wù)執(zhí)行者」這兩個(gè)身份之間的鴻溝。大模型原生是自回歸 Token 預(yù)測(cè)器，它可以模擬很多形式，但并不是為持續(xù)交互和工具調(diào)用而生。為了解決這一問(wèn)題，MiniMax 引入了 Forge 原生 Agent RL 框架。
Forge 在設(shè)計(jì)上通過(guò)引入中間層完全解耦了底層訓(xùn)推引擎與 Agent，把「模型只負(fù)責(zé)處理 Token」這件事做到了極致。模型訓(xùn)練和推理看到的都是同一種 Token 形態(tài)，不去理解什么工具調(diào)用、環(huán)境狀態(tài)這些復(fù)雜結(jié)構(gòu)。而 Agent 那一側(cè)則通過(guò)標(biāo)準(zhǔn)的 OpenAI 接口和模型通信，專(zhuān)心處理環(huán)境交互和上下文管理。
這種徹底解耦的好處是：模型能力不會(huì)被綁定在某一個(gè)具體 Agent 產(chǎn)品上，它可以接入不同的工具體系和腳手架，實(shí)現(xiàn)更強(qiáng)的泛化。
更大的難題是長(zhǎng)鏈路下的信用分配（Credit Assignment）。任務(wù)執(zhí)行幾十步后才知道結(jié)果，模型很難回溯究竟是哪一步導(dǎo)致了失敗。MiniMax M2.5 引入了過(guò)程獎(jiǎng)勵(lì)機(jī)制（Process Reward），對(duì)生成質(zhì)量進(jìn)行全鏈路監(jiān)控，而不僅看最終成敗。同時(shí)，為對(duì)齊真實(shí)用戶(hù)體驗(yàn)，他們將任務(wù)完成耗時(shí)也納入獎(jiǎng)勵(lì)函數(shù)。這套獎(jiǎng)勵(lì)設(shè)計(jì)讓模型在智能度與響應(yīng)速度之間實(shí)現(xiàn)了可量化的最優(yōu)權(quán)衡。
這些算法創(chuàng)新要真正跑起來(lái)，還得過(guò)工程這一關(guān)。智能體數(shù)據(jù)天然有大量公共前綴，如果每條樣本獨(dú)立訓(xùn)練，同一段系統(tǒng)提示要反復(fù)計(jì)算數(shù)十遍。M2.5 將多條前綴相同的樣本合并為一棵前綴樹(shù)，通過(guò)樹(shù)狀合并訓(xùn)練樣本策略，實(shí)現(xiàn)了約 40 倍的訓(xùn)練加速。
另一項(xiàng)優(yōu)化是強(qiáng)化學(xué)習(xí)的調(diào)度策略：智能體任務(wù)耗時(shí)差異巨大，簡(jiǎn)單任務(wù)秒回，復(fù)雜任務(wù)需等待。MiniMax 優(yōu)化了異步調(diào)度策略，平衡系統(tǒng)吞吐和樣本的 off-policyness，最終在系統(tǒng)吞吐量與訓(xùn)練效率之間達(dá)成了平衡。
Intelligence with Everyone
回到開(kāi)頭 Claude Opus 4.6 的定價(jià)話(huà)題。極速版 Opus 4.6 高達(dá) 150 美元的輸出價(jià)格足以說(shuō)明，在真正的生產(chǎn)力環(huán)境中，值錢(qián)的不只是智力本身，速度等影響效率的因素如今也變得舉足輕重。打工人真正需要的，是一個(gè)智力、速度等各方面都優(yōu)秀的「六邊形戰(zhàn)士」。
然而，頂級(jí)智力的高昂溢價(jià)正在制造一場(chǎng)隱形的技術(shù)分層：預(yù)算決定了你的 AI 助理是「滿(mǎn)血」還是「殘血」，是極速還是降速。在這一背景下，MiniMax M2.5 憑借 10B 級(jí)的輕巧規(guī)模承載了同級(jí)別的旗艦智力，不僅是當(dāng)前市場(chǎng)的性?xún)r(jià)比標(biāo)桿，更是將高階智能從「奢侈品」拉回到了「生產(chǎn)力工具」的范疇。
這更像是一場(chǎng)技術(shù)普惠，而非針對(duì)少數(shù)人的技術(shù)特權(quán)。此刻，MiniMax 所堅(jiān)持的「服務(wù)普通人的 AI」「Intelligence with Everyone」具像化了。
如果把 M2.5 和 MiniMax 前段時(shí)間發(fā)布的桌面端 Agent 放在一起看，它的價(jià)值就更具像化了：一個(gè)是可以本地部署的超強(qiáng)大腦，一個(gè)是包含本地文件系統(tǒng)訪(fǎng)問(wèn)、瀏覽器控制、代碼編輯器集成、后臺(tái)常駐運(yùn)行等完善功能的腳手架。二者強(qiáng)強(qiáng)聯(lián)合，有望成為白領(lǐng)與程序員手中那個(gè)隨時(shí)待命、不計(jì)成本的「主力機(jī)」。
這種頂級(jí)智力的全民普惠，才是整個(gè)社會(huì)生產(chǎn)力提升的最強(qiáng)動(dòng)力。
文中視頻鏈接：https://mp.weixin.qq.com/s/5zxoNnuxUfQk6dg4VsHFPw
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶(hù)上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
